基于深度域适应的跨域目标检测算法综述

摘要：

近年来,基于深度学习的目标检测算法在自动驾驶、人机交互等众多域上有着成功的应用,且因其检测性能较高引起学者的广泛关注.传统的深度学习方法一般基于源域与目标域服从同一分布的假设,但该假设不具备现实性,严重地降低了模型的泛化性能.如何对齐源域与目标域的分布,提高目标检测模型的泛化性成为近两年的研究热点.对跨域目标检测算法进行了综述,介绍了跨域目标检测的预备知识:深度域适应和目标检测,将跨域目标检测分解为两个子问题进行了概述,从底层逻辑理解其发展进程;给出了跨域目标检测算法的最新进展,从差异、对抗、重构、混合和其他等几个分类角度切入,梳理了每个类别的研究脉络并对比了在不同数据集上的性能;通过对目前跨域目标检测算法的梳理和总结,就其未来的研究方向进行展望.

关键词：深度学习、目标检测、深度域适应、跨域目标检测

所属期刊栏目：59

分类号：TP181(自动化基础理论)

资助基金：国家社会科学基金;上海哲学社会科学规划课题

在线出版日期：2023-04-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：1-12